整体电异质性测量

它的主题围绕 Global Electrical Heterogeneity(GEH)的测量展开,涉及 Wilson 电梯度向量理论以及心室总恢复时间异质性的刻画

physionet
浏览 19
时间序列预测心电信号心向量图心血管疾病室性心律失常风险分层预后预测生物标志物
Measurement of Global Electrical Heterogeneity

基本信息

模态
时间序列
任务类型
预测
许可
Open Data Commons Attribution License v1.0
创建/更新时间
2026-10-01
版本
1.0.0

资源简介

整体电异质性测量

Measurement of Global Electrical Heterogeneity(在源站上的标题为 geh)是一个来自 physionet.org 的数据集,在本站被归入“心血管系统疾病 / 其他”分类,并以 geh 作为简短标识。它的主题围绕 Global Electrical Heterogeneity(GEH)的测量展开,涉及 Wilson 电梯度向量理论以及心室总恢复时间异质性的刻画。除此之外,数据集规模、文件结构、变量定义等细节源站未提供。

【数据集背景】

该数据集所对应的核心概念是 Global Electrical Heterogeneity,即 GEH。按照源站说明,GEH 概念建立在 Wilson 电梯度向量理论之上。该理论用于刻画心室范围内总恢复时间的异质性程度。换言之,该主题关注的是心室整体电恢复过程在空间上的不一致程度,而不是单一局部或单一时刻的电活动。源站仅提供了上述概念层面的说明;关于 GEH 指标的具体计算方法、历史发展、临床意义、验证过程以及该数据集在该研究脉络中的位置,源站未提供。数据集英文名称明确指向“Measurement of Global Electrical Heterogeneity”,说明其命名直接对应 GEH 的测量。在源站上使用缩写“geh”,简短标识同样为“geh”,这些命名线索与 GEH 主题一致。但数据集中具体包含哪些测量值、衍生指标或原始记录,源站未提供。

【数据内容】

目前可确认的标识包括英文名称 Measurement of Global Electrical Heterogeneity、在源站上的标题 geh 以及简短标识 geh。在本站被归入心血管系统疾病 / 其他。源站说明只交代了 GEH 概念的理论基础及其所刻画的恢复时间异质性,没有列出数据内容层面的细节。因此,数据集包含的记录数量、受试者数量、波形种类、导联配置、采样率、时间长度、注释信息、标签类型、文件格式、目录结构、变量字典、元数据字段等,源站未提供。若需要了解数据内容,应以 physionet.org 上该数据集的实际页面和文件说明为准,但当前可依据的信息仅限于上述概念性描述与命名信息。

【采集与来源】

该数据集来自 physionet.org,在源站上的标题为 geh。在本站被归入心血管系统疾病 / 其他。关于采集机构、采集设备、采集环境、受试者招募方式、伦理审批、数据脱敏流程、采集时间范围、地理区域、信号采集协议、预处理步骤等,源站未提供。因此,无法从现有信息判断数据是在何种临床或研究场景下获得,也无法确认其采集对象是患者、健康志愿者还是其他人群。可以明确的仅是来自 physionet.org,且数据集名称与 GEH 测量相关。对于需要追溯数据来源的研究者,应前往 physionet.org 查看该数据集对应页面;当前描述不补充源站未给出的采集细节。

【适用场景】

该数据集的主题是 Global Electrical Heterogeneity 的测量,而 GEH 概念基于 Wilson 电梯度向量理论,用于刻画心室总恢复时间异质性程度。因此,其适用场景可围绕 GEH 相关研究来理解,例如需要考察心室整体电恢复异质性的分析任务。其在 station 分类中属于心血管系统疾病 / 其他,也可能被用于心血管系统疾病领域中的相关研究。但具体是否适合某种算法训练、临床风险分层、诊断分类、信号质量评估、可重复性研究或教学演示,源站未提供。数据集是否附带基准任务、评价指标、推荐划分方式或示例代码,源站也未提供。使用者应避免在缺乏说明的情况下自行假定其适用边界。

【使用方法】

源站未提供该数据集的具体使用方法,包括如何下载、解压、读取文件、解析字段、处理缺失值、进行滤波或特征提取、计算 GEH 指标、开展统计分析或机器学习建模等步骤。关于推荐软件环境、依赖库、示例脚本、数据划分、标注使用方式以及结果复现流程,源站也未提供。因此,当前无法给出可操作的使用步骤。使用者如有需要,应前往 physionet.org 查阅该数据集页面及其附带文档,并以源站实际提供的说明为准。若源站未提供相应教程或代码,则需根据自身研究目的自行设计处理流程,但这部分不属于现有信息能够确认的内容。

【质量与限制】

源站未提供该数据集的质量评估信息,包括数据完整性、噪声水平、缺失比例、标注一致性、重复记录、异常值处理、样本代表性、偏倚风险、版本变更记录或已知错误。关于数据集在 GEH 测量方面的验证结果、与其他数据集的比较、适用范围限制以及临床解释边界,源站也未提供。由于缺少记录数量、信号类型、采集协议和标注说明,无法评估其规模是否充分、信号是否适合特定分析、分类是否均衡或结果是否可泛化。可确认的是,源站说明只给出了 GEH 的概念基础,即基于 Wilson 电梯度向量理论来刻画心室总恢复时间异质性;这并不等同于对数据集质量或使用限制的完整说明。使用者应自行核查源站文档,并谨慎解释基于该数据得到的结论。

【引用与许可】

该数据集采用 Open Data Commons Attribution License v1.0。该授权条款为署名类许可,使用时应遵守其条款,通常需要给予适当署名;具体署名格式、引用文献、作者列表、版本号、发布时间和 DOI 等信息,源站未提供。数据集英文名称为 Measurement of Global Electrical Heterogeneity,在源站上的标题为 geh,来自 physionet.org,在本站被归入心血管系统疾病 / 其他。若在论文、报告、软件或衍生数据中引用或再分发,应以 Open Data Commons Attribution License v1.0 的要求为准,并回到 physionet.org 核对最新授权与引用说明。由于源站未提供推荐引用文本,当前无法给出标准引用条目。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

下载信息

注册下载

需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。

需登录

公开下载

无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。

暂未开放

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。

使用方式

数据集获取(PhysioNet)

PhysioNet 数据需注册账号(机构邮箱)并签署数据使用协议后下载:

  1. 在 https://physionet.org/content/geh/1.0.0 页面登录并接受许可条款;
  2. 命令行整目录下载:
wget -r -N -c -np --user=<账号> --ask-password https://physionet.org/files/geh/1.0.0/
  1. 或用官方工具(推荐,支持断点续传与校验):
pip install physionet-download
physionet-download geh

数据加载示例(图像类)

from PIL import Image
import glob, os

files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)

# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path)  # 要求 子目录=类别

目录组织与标注格式以源站说明和下载后实际文件为准。

数据说明

整体电异质性(GEH)概念基于Wilson电梯度向量理论,该理论表征心室总恢复时间的异质性程度。

许可

Open Data Commons Attribution License v1.0

引用

学术使用请引用:PhysioNet. Measurement of Global Electrical Heterogeneity. DOI 10.1038/s44360-026-00096-z。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案